제목 : 초거대 언어 모델 기반 궤적 예측을 활용한 산업 안전사고 예방

요약 : 지게차와 같은 산업용 차량의 궤적 예측은 차량의 적재 능력과 지형 변화, 제한된 공간 등과 같은 복잡한 산업 환경을 고려해야 한다. 보행자나 개인 차량의 궤적 예측과 달리, 산업용 차량의 궤적은 위와 같은 요인에 의해 영향을 받으므로 이러한 물리적 요인을 예측 모델에 반영하여 정확한 궤적 예측 모델을 구현할 필요가 있다. 본 연구는 위와 같은 요인을 초거대 언어 모델(Large Language Model, LLM)의 입력에 프롬프트(Prompt) 엔지니어링을 적용하여 부피에 기반한 궤적 예측 방법을 제안한다. 구체적으로, LLM의 입력에 바운딩 박스의 크기와 지형 특성을 포함하여 물리적, 공간적 제약을 프롬프트로 제공함으로써, 산업용 차량의 특성을 고려한 예측을 도출할 수 있도록 한다. 본 연구를 위한 데이터가 부족하여 필요한 영상을 확보하고, 컴퓨터 비전 기술을 활용해 처리하여 데이터셋을 직접 구축하였다. 실험 결과는 이전 연구와 달리, 보행자 뿐 아니라 차량 객체에 대한 궤적을 더 합리적으로 추론하는 결과를 보였으며, 본 연구에서 준비한 데이터셋에 대한 비교 실험에서 베이스라인 모델과 비교해 ADE 기준 0.051m 개선된 성능을 보였다. 본 연구는 궤적 예측 과제에서 수치적 데이터를 처리하는 LLM의 활용 가능성을 제시하며, 산업 분야에서의 컴퓨터 비전 기술과 LLM의 멀티모달 활용성과 잠재력을 보여준다.